Thailand: Wie KI hilft, die Sterblichkeit von Masthähnchen beim Schlachttransport zu verringern

In einer thailändischen Studie wurden Faktoren unter die Lupe genommen, die zu einem hohen Vorkommen von "Dead on Arrival" (DOA) in der Masthähnchenproduktion beitragen. Die Forschenden untersuchten, inwiefern Algorithmen des maschinellen Lernens hier helfen können, einen besseren Überblick zu erhalten. DOA bezieht sich auf Masthähnchen, die während des Fangs, des Transports und kurz vor der Schlachtung sterben.

Thailand, ein wichtiger Akteur in der Broilerproduktion, steht vor der Herausforderung, internationale Exportstandards zu erfüllen, einschließlich antibiotikafreier Aufzuchtpraktiken. Diese Umstellung birgt potenzielle Risiken und macht DOA zu einem wichtigen Indikator für die Produktivität von Masthähnchen. Laut den Autoren der Studie beeinflussen verschiedene Faktoren den Tod von Masthähnchen kurz vor der Schlachtung. Dazu gehören zum Beispiel Aufzuchtpraktiken, Transportbedingungen und Umweltvariable.

Aufzucht, Jahreszeit und Körpergewicht entscheidend

In der Studie werden Techniken des maschinellen Lernens (ML) eingesetzt, um DOA auf der Grundlage des Datensatzes eines thailändischen Broilerproduzenten vorherzusagen und zu klassifizieren. Vier Stichprobenverfahren werden verwandt, um Datenungleichgewichte zu beseitigen. Die Forschung konzentriert sich auf einen DOA-Bereich von 0,10 bis 1,20 Prozent, wobei ein Schwellenwert für hohe DOA über 0,3% festgelegt wurde.

Als entscheidende Schlüsselvariable für eine hohe Sterblichkeits- und Keulungsrate wurden in der Studie die Aufzuchtbesatzdichte, die Jahreszeit und das mittlere Körpergewicht identifiziert. Insgesamt biete der Ansatz des maschinellen Lernens wertvolle Einblicke in die Produktionsprozesse und trage zur Entwicklung wirksamer Strategien bei, um hohe DOA-Prozentsätze in der kommerziellen Masthähnchenproduktion zu verringern, schreiben die Forschenden.